Matematika III. 8. A szórás és a szóródás egyéb mérőszámai Prof. Dr. Závoti, József

Átírás

1 Matematika III. 8. A szórás és a szóródás egyéb Prof. Dr. Závoti, József

2 Matematika III. 8. : A szórás és a szóródás egyéb Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP /1/A Tananyagfejlesztéssel a GEO-ért projekt keretében készült. A projektet az Európai Unió és a Magyar Állam Ft összegben támogatta. v 1.0 Publication date 2010 Szerzői jog 2010 Nyugat-magyarországi Egyetem Geoinformatikai Kar Kivonat Ez a modul a szórással és a szóródás egyéb val ismerteti meg az olvasót. Gyakorlati módszereket sajátíthat el a hagyományos és az osztályozott adatok szóródási paramétereinek becslésére, megismerkedhet a momentumok kezelésével a csúcsosság és a ferdeség számításával kapcsolatban. Jelen szellemi terméket a szerzői jogról szóló évi LXXVI. törvény védi. Egészének vagy részeinek másolása, felhasználás kizárólag a szerző írásos engedélyével lehetséges.

3 Tartalom 8. A szórás és a szóródás egyéb Bevezetés A szóródás A szórás A szórás meghatározása gyakorisági eloszlás esetén Osztályozott adatok szórása A szórás tulajdonságai A szóródás egyéb Variációs együttható (relatív szórás) Relatív szórás kvartilis együttható Közepes abszolút eltérés (MAD: Mean Absolute Deviation) Átlagos különbség (Gini-féle mutató) Minta terjedelem (Range) Momentumok, ferdeség és csúcsosság Quartiltávolság (QT) Momentumok Ferdeség és csúcsosság Összefoglalás iii

4

5 8. fejezet - A szórás és a szóródás egyéb Bevezetés Jelen modul a Matematika III. tárgy nyolcadik fejezete, modulja. Az itt következő ismeretek megértéséhez javasoljuk, hogy olvassa el a Tárgy korábbi moduljainál írottakat. Amennyiben ez még nem lenne elég a megértéshez, akkor forduljon a szerzőhöz segítségért. Jelen modul célja, hogy az Olvasó megismerkedjen a legfontosabb szóródási mutatókkal, és képessé váljon azok gyakorlati feladatok megoldásában való felhasználására. A helyzeti mutatók számításánál láttuk, hogy a fogalmak fizikai tartalommal is felruházhatók voltak. Ebben a modulban az adatok szóródását akarjuk jellemezni, amit nem tudunk egy abszolút skálán végrehajtani. Tehát bizonyos fokú absztrakcióra szükségünk lesz: létezik ugyan egységnyi szórás, de a szórásnak nincs felső határa A szóródás Tekintsük a következő kereset-értékeket: 9 fő keres Ft-ot 1 fő keres Ft-ot Ábrázoljuk egyenesen az egyes kereseti értékeket, illetve a súlyozott számtani átlagot! Az eloszlás középértékével nem jellemezhető kielégítően a sokaság. Definíció: A szóródás azonos típusú számszerű adatok különbözőségét jelenti. Ezek az adatok vagy egymáshoz képest különböznek, vagy egy meghatározott értéktől térnek el. A legfontosabb szóródási mérőszámok: 1. szórás 2. relatív szórás 3. átlagos különbség 4. átlagos eltérés 5. terjedelem A szórás Definíció: 1

6 Legyen adott alapsokaság egy mintája metrikus skálán. A szórás az egyes értékek számtani átlagtól vett eltéréseinek négyzetes átlaga, vagyis megmutatja, hogy az ismérvértékek mennyivel térnek el átlagosan az átlagtól. A szórás a legfontosabb szóródási mérőszám. Mértékegysége megegyezik az alapadatok mértékegységével. Tapasztalati szórás: Korrigált tapasztalati szórás: Állítás: a négyzetgyökvonás tulajdonságaiból triviálisan adódik., akkor és csak akkor áll fenn, ha valamennyi, ami pedig csak úgy lehetséges, ha, azaz minden adat ugyanakkora. A szórás akkor és csak akkor 0, ha az összes ismérvérték egyenlő, hiszen ebben az esetben nincs szóródás. Öt diák lemérte, hogy mennyi idő alatt jutnak el az egyetemtől a Deák térre. Az alábbi eredményeket kapták: Számítsuk ki a szórást! Vagyis az egyes diákok időszükségletei átlagosan 2,65 perccel térnek el az átlagtól. Tétel: Steiner-képlet (variancia): Bizonyítás: A szórás meghatározása gyakorisági eloszlás esetén 2

7 Legyenek az x i értékekhez tartozó gyakorisági értékek f i, relatív gyakoriságok pedig g i (i=1,2,...,n). Ekkor a szórás a következő összefüggésekből számolható: ahol ; i=1,2,...k; ahol ; i=1,2,...k; ; Egy újságosstandon 200 napon keresztül figyelték egy lap eladott példányszámait: ahol x i: az elkelt példányszám-értékek f i: azon napok száma, amikor a megadott példányszám kelt el Számítsuk ki a szórásnégyzetet! A Steiner-képlet alapján: Osztályozott adatok szórása Osztályozott adatok esetén a szórás értékét csak közelítőleg tudjuk meghatározni, hisz az adatokat csak korlátozott mértékben ismerjük. Jelölje az osztályközepeket. Ekkor a szórás: ahol Számítsuk ki a keresetek szórását az alábbi táblázat alapján: 3

8 Tétel: Sheppard-féle korrekció: unimodális (egycsúcsú) eloszlásoknál az osztályozott adatokból számolt szórás általában nagyobb, mint az eredeti adatokból számolt. ahol :osztályszélesség Tétel: Eltolási tétel: A közepes kvadratikus eltérést adja meg. Tétel: A számtani közép minimum tulajdonsága: Egyenlőség akkor és csak akkor áll fenn, ha A szórás tulajdonságai 1. Tétel: Tekintsük az ( ) lineárisan transzformált adat-rendszert. Ennek a szórása: ahol 4

9 Speciális eset: Ha, azaz a szórás változatlan marad, ha minden adott számhoz egy értéket hozzáadunk vagy kivonunk. Legyen Számítsuk ki a szórást! Legyen most 2. Tétel: Standardizált adatrendszer szórása: Az adatokon végezzük el az alábbi lineáris transzformációt: vagyis legyen ; A szórás ebben az esetben: vagyis a standardizált adatok átlaga 0. Tehát a standardizált adatok szórása Tétel: Két részsokaság egyesítésével nyert adatrendszer szórása: Tekintsük a következő két adatrendszert: (elemek, átlag, elemszám, szórás) S 1 S 2 A két adatrendszer átlaga: A szórás: 5

10 Tekintsük a korábbi átlagkeresetes példát: Számítsuk ki ezek alapján a két részsokaság egyesítéséből kapott sokaság szórását! S=3204,32 Ft A szóródás egyéb Variációs együttható (relatív szórás) Azt mutatja meg, hogy a szórás az átlagnak hányad része. Százalékos mutató. Értelmezése: az egyes ismérvértékek átlagosan hány százalékkal térnek el az átlagtól Relatív szórás kvartilis együttható 6

11 Közepes abszolút eltérés (MAD: Mean Absolute Deviation) Definíció: A fentebb említett Öt diák lemérte c. példa adatait felhasználva, számítsuk ki a közepes abszolút eltérést! Definíció: Gyakorisági eloszlásokra: Definíció: Osztályozott adatokra: Átlagos különbség (Gini-féle mutató) Átlagos különbségnek nevezzük az ismérvértékek egymástól számított különbségei abszolút értékeinek számtani átlagát. (i,j=1,2,...,n) Rendezzük el az adatokat egy mátrixba: 7

12 Fontos: Csak a főátló fölötti számokat összegezzük, mert különben minden különbséget duplán számítanánk be! Minta terjedelem (Range) Legalább rang skála esetén számítható. A minta terjedelem az előforduló legnagyobb és legkisebb ismérvérték különbsége, azaz az intervallum teljes hossza. A mutató kifejezi, hogy mekkora értékközben ingadoznak az ismérv értékei. Gyakorisági eloszlásnál: Osztályozott adatoknál: Momentumok, ferdeség és csúcsosság Quartiltávolság (QT) Definíció: Az adatok középső 50%-át tartalmazó intervallum hossza a kvartiltávolság (interkvartilis terjedelem). Tétel: Box-Whisker ábra: Ábrázoljuk a medián, a kvartilisek, a legkisebb és legnagyobb értékek, a terjedelem és a kvartiltávolság egymáshoz viszonyított helyzetét: 8

13 Nem szimmetrikus, balra ferde! Momentumok A különböző átlagok és a szórás általánosításának tekinthetők, mert itt az x i ismérvértékek, illetve a eltérések helyett tetszőleges állandó. eltérések hatványait kell átlagolnunk. Ebben az esetben a Definíció: Adott adatrendszer esetén az r. momentum: Megjegyzés: r=1 számtani közép Az a értékre vonatkozó momentum: Ha r=2 és akkor Ferdeség és csúcsosság Eloszlástípusok: két nagy csoport különböztethető meg a gyakorisági görbék alakja szerint: 1. Egymóduszú gyakorisági sorok: szimmetrikus: azok a gyakorisági sorok, amelyeknek a grafikus képe a módusznak megfelelő tengely körül szimmetrikus. Ez a normális eloszlást követi. aszimmetrikus vagy ferde: móduszuk valamelyik szélső értékhez közelebb esik. Ha a legalacsonyabb értékhez esik közelebb, akkor baloldali aszimmetriáról, ellenkező esetben jobboldali aszimmetriáról beszélünk. 2. Többmóduszú gyakorisági sorok: a gyakorisági görbének két vagy több helyi maximuma van. A gyakorisági görbe alakja egy tömör számmal jellemezhető: 9

14 Ferdeség (aszimmetria): a szimmetriától való eltérést mutatja Ha a gyakorisági eloszlás grafikus ábrája valamelyik irányba hosszabban elnyúlik, mint a normális eloszlás grafikus görbéje, akkor bal- illetve jobboldali aszimmetriáról beszélünk. Szimmetrikus eloszlás esetén F=0 Jobboldali aszimmetria esetén F<0 Baloldali aszimmetria esetén F>0 Pearson-féle mutató: Momentumokkal: Kvartilis Percentilis ferdeség: Csúcsosság: a normális eloszláshoz viszonyítva. Ha az eloszlás grafikus ábrájának csúcsa magasabban illetve alacsonyabban van, mint a normális eloszlás görbéjének csúcsa, akkor csúcsosságról, illetve lapultságról beszélünk. Momentumokkal: 10

15 Percentilis csúcsossági mutató: Adott =3.33, =3.85, =5.05, D 1=2.69, D 9=6.17, =4.2 és S=1.3. Számoljuk ki a Pearson-féle ferdeséget, a kvartilis és percentilis ferdeséget és a percentilis csúcsossági mutatót! Összefoglalás db eladásra kínált lakás megoszlása a kínálati ár szerint Számítsa ki és értelmezze a szóródási mérőszámokat (szórás, relatív szórás, terjedelem, átlagos eltérés)! 2. Egy iparág vállalataira vonatkozóan az alábbi adatokat ismerjük: 11

16 Számítsa ki és értelmezze a szóródási mérőszámokat (terjedelem, átlagos eltérés, szórás, relatív szórás)! 3. Egy közúti forgalom-ellenőrzés során 1000 személygépkocsi lépte túl a megengedett sebességet. A túllépés mértéke: Számítsa ki és értelmezze a szóródási mérőszámokat (szórás, relatív szórás, terjedelem)! 4. A 18 éves fiúk körében kísérleti jelleggel intelligenciateszteket végeztek. A vizsgálathoz felkért 19 főnél az alábbi inteligencia-értékeket (IQ) mértek: a. Határozza meg az adatok szórását! b. Határozza meg ugyanezen értéket osztályozással is! Irodalomjegyzék Hunyadi-Vita: Statisztika közgazdászoknak, KSH, Budapest,

17 Keresztély, Sugár, Szarvas: Statisztika példatár közgazdászoknak, BKE, Nemzeti Tankönyvkiadó, 2005 Korpás A.: Általános statisztika I-II., Nemzeti Tankönyvkiadó, Budapest, 1996 Csanády V., Horváth R., Szalay L.: Matematikai statisztika, EFE Matematikai Intézet, Sopron, 1995 Závoti, Polgárné, Bischof : Statisztikai képletgyűjtemény és táblázatok, NYME Kiadó, Sopron, 2009 Obádovics J. Gy. : Valószínűségszámítás és matematikai statisztika, Scolar Kiadó, Budapest, 2003 Reimann J. - Tóth J. : Valószínűségszámítás és matematikai statisztika, Tankönyvkiadó, Budapest,